跳转到内容

Rethink

薛鹏的个人博客

搜索:
  • 首页
  • 首页
  • 关于本站
  • 关于本站

一月 2018每月档案

DEEP LEARNING之九:用梯度下降来求解神经网络中的参数

因为目前我们可以简单的把神经网络看成是由一层一层的逻辑回归堆叠而成,而逻辑回归的cost funct… 继续阅读 DEEP LEARNING之九:用梯度下降来求解神经网络中的参数

  • 发表于: 2018年1月31日 2018年2月8日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之九:用梯度下降来求解神经网络中的参数

DEEP LEARNING之八:从逻辑回归到神经网络

通过前边的讲解,我们对逻辑回归有了一个认识。现在我们就要正式的开始神经网络的学习了。我们通过多个逻辑… 继续阅读 DEEP LEARNING之八:从逻辑回归到神经网络

  • 发表于: 2018年1月30日 2018年1月31日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之八:从逻辑回归到神经网络

DEEP LEARNING之七:用Python实现一个逻辑回归

这一节我们就要用到之前学到的知识,手动实现一个逻辑回归模型,我们先看一下我们的训练数据: 你可以认为… 继续阅读 DEEP LEARNING之七:用Python实现一个逻辑回归

  • 发表于: 2018年1月28日 2018年1月28日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之七:用Python实现一个逻辑回归

Numpy 学习之二 :Numpy 里的基本运算

这一篇文章我们看一下numpy里array的基本运算。 降维操作 除了应用reshape可以改变一个… 继续阅读 Numpy 学习之二 :Numpy 里的基本运算

  • 发表于: 2018年1月27日 2018年2月4日
  • 作者: Mark
  • 分类: Python
  • 发表评论: Numpy 学习之二 :Numpy 里的基本运算

numpy 学习之一 :numpy 里的数组操作

numpy作为Python里科学计算的库,功能非常强大,尤其是对矩阵的运算,比传统用循环的计算快很多… 继续阅读 numpy 学习之一 :numpy 里的数组操作

  • 发表于: 2018年1月27日 2018年1月27日
  • 作者: Mark
  • 分类: Python
  • 发表评论: numpy 学习之一 :numpy 里的数组操作

DEEP LEARNING之六:用向量运算代替循环

对于大规模的多次迭代的深度学习,通常训练时间都比较长,所以性能优化就格外重要。这里我们看一下向量运算… 继续阅读 DEEP LEARNING之六:用向量运算代替循环

  • 发表于: 2018年1月27日 2018年1月27日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之六:用向量运算代替循环

DEEP LEARNING之五:用梯度下降来对逻辑回归建模

这一节我们要用梯度下降来对逻辑回归建模,用数学的话来说就是最小化逻辑回归Cost Function。… 继续阅读 DEEP LEARNING之五:用梯度下降来对逻辑回归建模

  • 发表于: 2018年1月26日 2018年2月8日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之五:用梯度下降来对逻辑回归建模

DEEP LEARNING之四:正向传播和反向传播

对于神经网络来说,每一层计算的值正向传播,根据梯度值反向传播来修改假设函数里的参数。正是因为反向传播… 继续阅读 DEEP LEARNING之四:正向传播和反向传播

  • 发表于: 2018年1月25日 2019年10月24日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之四:正向传播和反向传播

DEEP LEARNING之三:导数与梯度下降

我们再来复习一下上一篇文章中学到的。和其他机器学习算法类似,我们首先有一个假设方程: 然后对于每一个… 继续阅读 DEEP LEARNING之三:导数与梯度下降

  • 发表于: 2018年1月24日 2018年1月26日
  • 作者: Mark
  • 分类: 深度学习(DeepLearning)
  • 发表评论: DEEP LEARNING之三:导数与梯度下降

跨域资源共享(CORS)以及在Play Framework 里的配置

浏览器有一个基本的安全策略叫做“同源策略”。所谓同源就是必须是同一个web服务器提供的服务,即同样的… 继续阅读 跨域资源共享(CORS)以及在Play Framework 里的配置

  • 发表于: 2018年1月24日 2018年1月24日
  • 作者: Mark
  • 分类: 安全相关
  • 发表评论: 跨域资源共享(CORS)以及在Play Framework 里的配置

分页

页码: 1 页码: 2 下一页

分类目录

  • Hadoop (10)
  • Jenkins (2)
  • NLP (1)
  • Python (4)
  • Pytorch (5)
  • Scala (11)
  • TensorFlow (19)
  • 安全相关 (2)
  • 机器学习(Machine Learning) (5)
  • 杂项 (2)
  • 深度学习(DeepLearning) (62)
  • 线性代数 (4)

近期文章

  • 使用tf.data构建你的TensorFlow输入管道
  • Rethink TensorFlow2.0之一: 基本图像分类,对衣物照片进行分类
  • 论文翻译-《Attention Is All You Need》
  • PyTorch之四:构建和训练一个模型
  • PyTorch之三:数据读入与预处理

文章归档

  • 2020年十月
  • 2020年七月
  • 2019年十月
  • 2018年十月
  • 2018年九月
  • 2018年八月
  • 2018年七月
  • 2018年六月
  • 2018年五月
  • 2018年四月
  • 2018年三月
  • 2018年二月
  • 2018年一月
  • 2017年十二月
  • 2017年十一月

近期评论

  • Mark发表在《机器学习策略之四:如何开始建立一个机器学习工程》
  • Mark发表在《PyTorch之零:安装》
  • Mark发表在《向量点积的几何意义》
  • Mark发表在《如何配置一个深度学习主机》
  • Mark发表在《我的第一篇博客》

功能

  • 注册
  • 登录
  • 文章RSS
  • 评论RSS
  • WordPress.org

博客统计

  • 34,465 点击次数

© 2021 Rethink. 由 WordPress 强力驱动. WordStar, 主题由Linesh Jose提供